CN112710623A - 遥感监测有毒有害气体扩散范围和浓度的方法和设备 - Google Patents
遥感监测有毒有害气体扩散范围和浓度的方法和设备 Download PDFInfo
- Publication number
- CN112710623A CN112710623A CN202011492133.7A CN202011492133A CN112710623A CN 112710623 A CN112710623 A CN 112710623A CN 202011492133 A CN202011492133 A CN 202011492133A CN 112710623 A CN112710623 A CN 112710623A
- Authority
- CN
- China
- Prior art keywords
- toxic
- target
- sampling
- concentration
- diffusion
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 231100000331 toxic Toxicity 0.000 title claims abstract description 91
- 230000002588 toxic effect Effects 0.000 title claims abstract description 91
- 238000009792 diffusion process Methods 0.000 title claims abstract description 77
- 238000012544 monitoring process Methods 0.000 title claims abstract description 45
- 238000000034 method Methods 0.000 title claims abstract description 37
- 239000007789 gas Substances 0.000 claims abstract description 130
- 238000010521 absorption reaction Methods 0.000 claims abstract description 30
- 238000001228 spectrum Methods 0.000 claims abstract description 13
- 238000005070 sampling Methods 0.000 claims description 78
- 238000004422 calculation algorithm Methods 0.000 claims description 14
- 230000003595 spectral effect Effects 0.000 claims description 12
- 239000000126 substance Substances 0.000 claims description 12
- 238000010586 diagram Methods 0.000 claims description 8
- 230000006870 function Effects 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 7
- 230000000694 effects Effects 0.000 claims description 6
- 230000002238 attenuated effect Effects 0.000 claims description 4
- 238000009826 distribution Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 abstract description 3
- 231100000614 poison Toxicity 0.000 description 10
- 230000007096 poisonous effect Effects 0.000 description 10
- 238000003860 storage Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005518 electrochemistry Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3504—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing gases, e.g. multi-gas analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
Abstract
本发明提供一种遥感监测有毒有害气体扩散范围和浓度的方法和设备,通过有毒有害气体对红外波段吸收原理和差分吸收原理,采用光谱相机对目标空间进行遥感监测,并进行遥感反算得到目标空间中有毒有害气体的组成和浓度,再结合目标空间所在区域的实时气象数据和地形数据,建立气体扩散模型模拟有毒有害气体的扩散方向及速度,确定实时扩散区域,最后通过无人机搭载光谱相机到达实时扩散区域进行遥感监测,确定有毒有害气体的具体扩散范围。实现了实时对有毒有害气体的组成和浓度的监测,以及有毒有害气体扩散范围的监测,无需人为进入污染范围即可完成监测,保证了安全性,并提高了监测效率。
Description
技术领域
本发明涉及大气监测技术领域,尤其涉及一种遥感监测有毒有害气体扩散范围和浓度的方法和设备。
背景技术
随着科技的发展,工业化的生产排放、交通工具的尾气排放、农业活动中的排放等等,都会造成大气的污染。虽然,随着时代的进步,越来越多的人开始关注环境保护,也出台了各种对排放的指标要求等,但还是会存在污染的情况。
而且有时候一种大型的有毒有害气体的泄漏,很可能会造成一大片区域的污染,这时,就需要去清场,并对污染物进行处理,但有的有毒有害气体,根本不适合人为靠近,因此面对有毒有害气体的泄漏和扩散,很难及时知晓扩散范围。
发明内容
基于此,有必要针对上述技术问题,提供一种遥感监测有毒有害气体扩散范围和浓度的方法和设备。
一种遥感监测有毒有害气体扩散范围和浓度的方法,所述方法包括:根据有毒有害气体对红外波段吸收原理和差分吸收原理,通过光谱相机对目标空间进行遥感监测,得到目标采样图;根据所述目标采样图,利用遥感反演算法计算出目标空间中有害气体的组成和浓度;获取目标空间所在区域的实时气象数据和地形数据;结合所述实时气象数据和地形数据建立气体扩散模型;根据所述气体扩散模型模拟有毒有害气体的扩散方向及速度,确定实时扩散区域;采用无人机搭载光谱相机到达实时扩散区域进行遥感监测,确定有毒有害气体的具体扩散范围。
在其中一个实施例中,所述有毒有害气体分为有机物和无机物两类,其中无机物中至少包括NO2、SO2和O3。
在其中一个实施例中,所述根据有毒有害气体对红外波段吸收原理和差分吸收原理,通过光谱相机对目标空间进行遥感监测,得到目标采样图,具体为:对于有机物类的有毒有害气体,根据其对红外波段吸收原理,通过光谱相机对目标空间进行遥感监测,得到目标红外采样图;对于无机物类的有毒有害气体,根据其对差分吸收原理,通过光谱相机对目标空间进行遥感监测,得到目标差分采样图;其中,目标红外采样图和目标差分采样图共同构成目标采样图。
在其中一个实施例中,所述得到目标红外采样图步骤之前,还包括:获取多张初始红外采样图,对所述多张初始红外采样图进行比对筛选,选择数据居中的一张初始红外采样图作为目标红外采样图。
在其中一个实施例中,所述得到目标差分采样图步骤之前,还包括:获取多张初始差分采样图,对所述多张初始差分采样图进行比对筛选,选择数据居中的一张初始差分采样图作为目标差分采样图。
在其中一个实施例中,所述根据所述目标采样图,利用遥感反演算法计算出目标空间中有害气体的组成和浓度步骤之后,还包括:在目标空间的地面设置电化学传感器,并接收产生的目标电信号;根据有毒有害气体的电化学活性,基于目标电信号,得到有毒有害气体的组成和浓度;结合遥感反演算法计算出目标空间中有害气体的组成和浓度,得到目标空间有毒有害气体的目标组成和目标浓度。
在其中一个实施例中,所述结合遥感反演算法计算出目标空间中有害气体的组成和浓度,得到目标空间有毒有害气体的目标组成和目标浓度步骤之后,还包括:获取目标空间所在的卫星地图,基于所述目标卫星地图,结合所述有毒有害气体的目标组成和目标浓度,形成有毒有害气体的热力分布图。
在其中一个实施例中,所述根据所述气体扩散模型模拟有毒有害气体的扩散方向及速度,确定实时扩散区域,具体为:根据所述气体扩散模型模拟有毒有害气体的扩散方向及速度,得到衰减函数;当衰减函数衰减到预设值时,对应的地理区域即为临界区域,此区域内则为有毒有害气体的实时扩散区域。
一种设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述各个实施例中所述的遥感监测有毒有害气体扩散范围和浓度的方法的步骤。
上述遥感监测有毒有害气体扩散范围和浓度的方法和设备,通过有毒有害气体对红外波段吸收原理和差分吸收原理,采用光谱相机对目标空间进行遥感监测,并进行遥感反算得到目标空间中有害气体的组成和浓度,再结合目标空间所在区域的实时气象数据和地形数据,建立气体扩散模型模拟有毒有害气体的扩散方向及速度,确定实时扩散区域,最后通过无人机搭载光谱相机到达实时扩散区域进行遥感监测,确定有毒有害气体的具体扩散范围。实现了实时对有毒有害气体的组成和浓度的监测,以及有毒有害气体扩散范围的监测,无需人为进入污染范围即可完成监测,保证了安全性,并提高了监测效率。
附图说明
图1为一个实施例中遥感监测有毒有害气体扩散范围和浓度的方法的流程示意图;
图2是一个实施例中设备的内部结构图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,下面通过具体实施方式结合附图对本发明做进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
在一个实施例中,如图1所示,提供了一种遥感监测有毒有害气体扩散范围和浓度的方法,包括以下步骤:
S110根据有毒有害气体对红外波段吸收原理和差分吸收原理,通过光谱相机对目标空间进行遥感监测,得到目标采样图。
具体地,通过设置红外线发射接收装置,以及差分吸收系统,差分吸收系统包括光源、光反射和接收装置,角反射镜,然后根据有毒有害气体对红外波段吸收原理和差分吸收原理,通过光谱相机对目标空间进行遥感监测,得到目标采样图。
在一个实施例中,步骤S110中:有毒有害气体分为有机物和无机物两类,其中无机物中至少包括NO2、SO2和O3。具体地,有害气体根据是否有机分为有机物类和无机物类,无机物中至少包括NO2、SO2和O3。其中,对有机物有毒有害气体采用红外波段吸收原理,而对于无机物有毒有害气体采用差分吸收原理。
在一个实施例中,步骤S110具体为:对于有机物类的有毒有害气体,根据其对红外波段吸收原理,通过光谱相机对目标空间进行遥感监测,得到目标红外采样图;对于无机物类的有毒有害气体,根据其对差分吸收原理,通过光谱相机对目标空间进行遥感监测,得到目标差分采样图;其中,目标红外采样图和目标差分采样图共同构成目标采样图。具体地,对有机物有毒有害气体采用红外波段吸收原理,而对于无机物有毒有害气体采用差分吸收原理,各自通过光谱相机对目标空间进行遥感监测,得到目标红外采样图和目标差分采样图。
在一个实施例中,得到目标红外采样图步骤之前,还包括:获取多张初始红外采样图,对多张初始红外采样图进行比对筛选,选择数据居中的一张初始红外采样图作为目标红外采样图。具体地,在得到目标红外采样图之前,是获取了多张初始红外采样图,对多张初始红外采样图进行比对筛选,这里至少需要获取5张及以上,才便于对比筛选,去掉明显误差较大的初始红外采样图,在剩下的初始红外采样图中,选取数据位于中间的,作为目标红外采样图。从而提高监测精度。
在一个实施例中,到目标差分采样图步骤之前,还包括:获取多张初始差分采样图,对多张初始差分采样图进行比对筛选,选择数据居中的一张初始差分采样图作为目标差分采样图。具体地,在得到目标差分采样图之前,是获取了多张初始差分采样图,对多张初始差分采样图进行比对筛选,这里至少需要获取5张及以上,才便于对比筛选,去掉明显误差较大的初始差分采样图,在剩下的初始差分采样图中,选取数据位于中间的,作为目标差分采样图。从而提高监测精度。
S120根据目标采样图,利用遥感反演算法计算出目标空间中有毒有害气体的组成和浓度。
具体地,根据目标采样图,利用遥感反演算法计算出目标空间中有害气体的组成和浓度,常见的遥感反演算法包括多种:推导反演模型的解析表达式,特点是速度最快;线性最小二乘法,主要用于解决线性问题;人工神经网络:能处理非线性问题,但是效果不稳定;查找表:未知参数不能太多;迭代优化:较慢,容易陷入局部极值;遗传算法则更慢。一般采用最小二乘法。
在一个实施例中,步骤S120之后,还包括:在目标空间的地面设置电化学传感器,并接收产生的目标电信号;根据有毒有害气体的电化学活性,基于目标电信号,得到有毒有害气体的组成和浓度;结合遥感反演算法计算出目标空间中有害气体的组成和浓度,得到目标空间有毒有害气体的目标组成和目标浓度。具体地,空气中的有毒有害气体会进入电化学传感器,电化学传感器利用目标物的电化学活性,将其氧化或者还原,在一定范围内,产生与有毒有害气体浓度成正比的电信号,从而得到有毒有害气体的组成及浓度。这里的电化学传感器不仅可以设置在地面上,还可以定点设置在无人机上。
在一个实施例中,结合遥感反演算法计算出目标空间中有害气体的组成和浓度,得到目标空间有毒有害气体的目标组成和目标浓度步骤之后,还包括:获取目标空间所在的卫星地图,基于目标卫星地图,结合所述有毒有害气体的目标组成和目标浓度,形成有毒有害气体的热力分布图。具体地,将光谱相机与电化学各自获取到的有毒有害气体的浓度和组成,结合目标卫星地图,形成有毒有害气体的热力分布图,便于直观地了解有毒有害气体的范围。
S130获取目标空间所在区域的实时气象数据和地形数据。
具体地,根据气象信息和地理信息,获取目标空间所在区域的实时气象数据和地形数据。
S140结合实时气象数据和地形数据建立气体扩散模型。
具体地,结合实时气象数据和地形数据建立一个关于目标空间的气体扩散模型。
S150根据气体扩散模型模拟有毒有害气体的扩散方向及速度,确定实时扩散区域。
具体地,结合根据时气象数据和地形数据,采用气体扩散模型模拟有毒有害气体的扩散方向及速度,确定有毒有害气体的实时扩散区域。
在一个实施例中,步骤S150具体为:根据气体扩散模型模拟有毒有害气体的扩散方向及速度,得到衰减函数;当衰减函数衰减到预设值时,对应的地理区域即为临界区域,此区域内则为有毒有害气体的实时扩散区域。具体地,结合根据时气象数据和地形数据,采用气体扩散模型模拟有毒有害气体的扩散方向及速度,会得到一个关于有毒有害气体的衰减函数;当衰减函数衰减到预设值时,此时所对应的地理区域即为临界区域,在此临界区域内,则为有毒有害气体的实时扩散区域。
S160采用无人机搭载光谱相机到达实时扩散区域进行遥感监测,确定有毒有害气体的具体扩散范围。
具体地,在确定实时扩散区域后,需要采用无人机搭载光谱相机到达实时扩散区域进行遥感监测,确定是否正确,从而明确有毒有害气体的具体扩散范围。
上述实施例中,通过有毒有害气体对红外波段吸收原理和差分吸收原理,采用光谱相机对目标空间进行遥感监测,并进行遥感反算得到目标空间中有害气体的组成和浓度,再结合目标空间所在区域的实时气象数据和地形数据,建立气体扩散模型模拟有毒有害气体的扩散方向及速度,确定实时扩散区域,最后通过无人机搭载光谱相机到达实时扩散区域进行遥感监测,确定有毒有害气体的具体扩散范围。实现了实时对有毒有害气体的组成和浓度的监测,以及有毒有害气体扩散范围的监测,无需人为进入污染范围即可完成监测,保证了安全性,并提高了监测效率。同时,多张初始红外采样图和多张初始差分采样图,并从中各选取一张作为目标红外采样图和目标差分采样图,从而减小误差,提高监测精度。还在目标空间的地面设置电化学传感器,通过将电化学传感器监测到的有毒有害气体的组成和浓度与采用光谱遥感获得的有毒有害气体的组成和浓度相结合,从而提高监测精度。
在一个实施例中,提供了一种设备,该设备可以是服务器,其内部结构图可以如图2所示。该设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该设备的处理器用于提供计算和控制能力。该设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该设备的数据库用于存储配置模板,还可用于存储目标网页数据。该设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种遥感监测有毒有害气体扩散范围和浓度的方法。
本领域技术人员可以理解,图2中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的设备的限定,具体的设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(RandomAccessMemory,RAM)等。
显然,本领域的技术人员应该明白,上述本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在计算机存储介质(ROM/RAM、磁碟、光盘)中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。所以,本发明不限制于任何特定的硬件和软件结合。
以上内容是结合具体的实施方式对本发明所做的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (9)
1.一种遥感监测有毒有害气体扩散范围和浓度的方法,其特征在于,包括:
根据有毒有害气体对红外波段吸收原理和差分吸收原理,通过光谱相机对目标空间进行遥感监测,得到目标采样图;
根据所述目标采样图,利用遥感反演算法计算出目标空间中有毒有害气体的组成和浓度;
获取目标空间所在区域的实时气象数据和地形数据;
结合所述实时气象数据和地形数据建立气体扩散模型;
根据所述气体扩散模型模拟有毒有害气体的扩散方向及速度,确定实时扩散区域;
采用无人机搭载光谱相机到达实时扩散区域进行遥感监测,确定有毒有害气体的具体扩散范围。
2.如权利要求1所述的方法,其特征在于,所述有毒有害气体分为有机物和无机物两类,其中无机物中至少包括NO2、SO2和O3。
3.如权利要求2所述的方法,其特征在于,所述根据有毒有害气体对红外波段吸收原理和差分吸收原理,通过光谱相机对目标空间进行遥感监测,得到目标采样图,具体为:
对于有机物类的有毒有害气体,根据其对红外波段吸收原理,通过光谱相机对目标空间进行遥感监测,得到目标红外采样图;
对于无机物类的有毒有害气体,根据其对差分吸收原理,通过光谱相机对目标空间进行遥感监测,得到目标差分采样图;
其中,目标红外采样图和目标差分采样图共同构成目标采样图。
4.如权利要求3所述的方法,其特征在于,所述得到目标红外采样图步骤之前,还包括:
获取多张初始红外采样图,对所述多张初始红外采样图进行比对筛选,选择数据居中的一张初始红外采样图作为目标红外采样图。
5.如权利要求3所述的方法,其特征在于,所述得到目标差分采样图步骤之前,还包括:
获取多张初始差分采样图,对所述多张初始差分采样图进行比对筛选,选择数据居中的一张初始差分采样图作为目标差分采样图。
6.如权利要求1所述的方法,其特征在于,所述根据所述目标采样图,利用遥感反演算法计算出目标空间中有害气体的组成和浓度步骤之后,还包括:
在目标空间的地面设置电化学传感器,并接收产生的目标电信号;
根据有毒有害气体的电化学活性,基于目标电信号,得到有毒有害气体的组成和浓度;
结合遥感反演算法计算出目标空间中有害气体的组成和浓度,得到目标空间有毒有害气体的目标组成和目标浓度。
7.如权利要求6所述的方法,其特征在于,所述结合遥感反演算法计算出目标空间中有害气体的组成和浓度,得到目标空间有毒有害气体的目标组成和目标浓度步骤之后,还包括:
获取目标空间所在的卫星地图,基于所述目标卫星地图,结合所述有毒有害气体的目标组成和目标浓度,形成有毒有害气体的热力分布图。
8.如权利要求1所述的方法,其特征在于,所述根据所述气体扩散模型模拟有毒有害气体的扩散方向及速度,确定实时扩散区域,具体为:
根据所述气体扩散模型模拟有毒有害气体的扩散方向及速度,得到衰减函数;
当衰减函数衰减到预设值时,对应的地理区域即为临界区域,此区域内则为有毒有害气体的实时扩散区域。
9.一种设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011492133.7A CN112710623A (zh) | 2020-12-16 | 2020-12-16 | 遥感监测有毒有害气体扩散范围和浓度的方法和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011492133.7A CN112710623A (zh) | 2020-12-16 | 2020-12-16 | 遥感监测有毒有害气体扩散范围和浓度的方法和设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112710623A true CN112710623A (zh) | 2021-04-27 |
Family
ID=75543885
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011492133.7A Pending CN112710623A (zh) | 2020-12-16 | 2020-12-16 | 遥感监测有毒有害气体扩散范围和浓度的方法和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112710623A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117079711A (zh) * | 2023-10-17 | 2023-11-17 | 中国科学院大气物理研究所 | 生物气溶胶扩散模拟方法、装置、存储介质及电子设备 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20160006525A (ko) * | 2014-07-09 | 2016-01-19 | 국방과학연구소 | 초분광 영상큐브의 밴드별 영상을 이용한 원거리 화학 가스 탐지 시스템 및 그 방법 |
CN109632685A (zh) * | 2019-01-10 | 2019-04-16 | 中国科学院上海技术物理研究所 | 基于双波段差分红外成像系统的工业气体排放探测方法 |
CN109780452A (zh) * | 2019-01-24 | 2019-05-21 | 天津中科飞航技术有限公司 | 基于激光遥测技术的气体泄漏无人机巡检浓度反演方法 |
CN110274916A (zh) * | 2019-08-06 | 2019-09-24 | 云南电网有限责任公司电力科学研究院 | 基于卫星遥感的电网污染物浓度监测方法及系统 |
CN110597932A (zh) * | 2019-07-05 | 2019-12-20 | 袁静 | 一种基于遥感影像的环境综合评估预测方法 |
CN111610160A (zh) * | 2020-06-02 | 2020-09-01 | 新疆天链遥感科技有限公司 | 通过遥感卫星检测挥发性有机化合物浓度的系统 |
CN111783364A (zh) * | 2020-03-03 | 2020-10-16 | 西南石油大学 | 一种基于真实地形建模及有毒气体扩散模拟方法 |
CN111965116A (zh) * | 2020-07-21 | 2020-11-20 | 天津大学 | 一种基于高光谱的机场气体检测系统及方法 |
-
2020
- 2020-12-16 CN CN202011492133.7A patent/CN112710623A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20160006525A (ko) * | 2014-07-09 | 2016-01-19 | 국방과학연구소 | 초분광 영상큐브의 밴드별 영상을 이용한 원거리 화학 가스 탐지 시스템 및 그 방법 |
CN109632685A (zh) * | 2019-01-10 | 2019-04-16 | 中国科学院上海技术物理研究所 | 基于双波段差分红外成像系统的工业气体排放探测方法 |
CN109780452A (zh) * | 2019-01-24 | 2019-05-21 | 天津中科飞航技术有限公司 | 基于激光遥测技术的气体泄漏无人机巡检浓度反演方法 |
CN110597932A (zh) * | 2019-07-05 | 2019-12-20 | 袁静 | 一种基于遥感影像的环境综合评估预测方法 |
CN110274916A (zh) * | 2019-08-06 | 2019-09-24 | 云南电网有限责任公司电力科学研究院 | 基于卫星遥感的电网污染物浓度监测方法及系统 |
CN111783364A (zh) * | 2020-03-03 | 2020-10-16 | 西南石油大学 | 一种基于真实地形建模及有毒气体扩散模拟方法 |
CN111610160A (zh) * | 2020-06-02 | 2020-09-01 | 新疆天链遥感科技有限公司 | 通过遥感卫星检测挥发性有机化合物浓度的系统 |
CN111965116A (zh) * | 2020-07-21 | 2020-11-20 | 天津大学 | 一种基于高光谱的机场气体检测系统及方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117079711A (zh) * | 2023-10-17 | 2023-11-17 | 中国科学院大气物理研究所 | 生物气溶胶扩散模拟方法、装置、存储介质及电子设备 |
CN117079711B (zh) * | 2023-10-17 | 2024-01-23 | 中国科学院大气物理研究所 | 生物气溶胶扩散模拟方法、装置、存储介质及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Qiu et al. | Atmospheric dispersion prediction and source estimation of hazardous gas using artificial neural network, particle swarm optimization and expectation maximization | |
CN113777236B (zh) | 基于排放源的空气质量监控方法和装置 | |
KR20140024541A (ko) | 대기 모델링 서비스 제공 시스템 | |
Kormi et al. | Estimation of landfill methane emissions using stochastic search methods | |
CN110426493B (zh) | 空气质量监测数据校准方法、装置、设备和存储介质 | |
Laughner et al. | Evaluation of version 3.0 B of the BEHR OMI NO 2 product | |
CN116048129B (zh) | 污染物排放的监测方法、装置、电子设备和存储介质 | |
Kumar et al. | Prediction and examination of seasonal variation of ozone with meteorological parameter through artificial neural network at NEERI, Nagpur, India | |
CN110738354B (zh) | 预测颗粒物浓度的方法、装置、存储介质及电子设备 | |
CN110059355B (zh) | 基于浓度时间序列的泄漏源定位方法、装置和计算机设备 | |
Bel Hadj Ali et al. | Comparing estimates of fugitive landfill methane emissions using inverse plume modeling obtained with Surface Emission Monitoring (SEM), Drone Emission Monitoring (DEM), and Downwind Plume Emission Monitoring (DWPEM) | |
CN113727214A (zh) | 大气污染的巡查方法、装置、设备及存储介质 | |
Gopu et al. | Time series analysis using ARIMA model for air pollution prediction in Hyderabad city of India | |
CN112710623A (zh) | 遥感监测有毒有害气体扩散范围和浓度的方法和设备 | |
CN109213840B (zh) | 基于多维特征深度学习的热点网格识别方法 | |
CN109085100B (zh) | 污染物浓度的确定方法及装置 | |
CN116228501B (zh) | 排污超标区域行业确定方法、装置、存储介质及电子设备 | |
CN110458147B (zh) | 人工智能云计算非应用感应器的液体气体污染排放监控方法 | |
CN115238245B (zh) | 污染物监测方法、装置、存储介质及电子设备 | |
Vairoac et al. | A Bayesian belief network for local air quality forecasting | |
CN115825338A (zh) | 臭氧监测降尺度方法、装置、设备及计算机可读存储介质 | |
CN115238596A (zh) | 数据处理方法、装置、可读存储介质与电子设备 | |
Kashnitskii et al. | Research database of burnt areas over Russia based on high resolution remote sensing data | |
Uzhinskiy et al. | Management of environmental monitoring data: UNECE ICP Vegetation case | |
CN117172990B (zh) | 一种地下水环境中抗生素污染迁移预测方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |